宋莎莎，趙宇鵬，安 偉，靳衛(wèi)衛(wèi)，李建偉

(1. 中國海洋大學(xué), 山東 青島 266003; 2.中海石油環(huán)保服務(wù)有限公司, 天津 塘沽 300452;3. 海洋石油安全環(huán)保技術(shù)研發(fā)中心, 山東 青島 266061

?

海上溢油SAR遙感監(jiān)測及溢油漂移快速數(shù)值預(yù)報技術(shù)研究*

宋莎莎1,2,3，趙宇鵬2,3，安 偉2,3，靳衛(wèi)衛(wèi)2,3，李建偉2,3

(1. 中國海洋大學(xué), 山東 青島 266003; 2.中海石油環(huán)保服務(wù)有限公司, 天津 塘沽 300452;3. 海洋石油安全環(huán)保技術(shù)研發(fā)中心, 山東 青島 266061

為探討海上溢油遙感監(jiān)測與溢油漂移數(shù)值模擬技術(shù)的聯(lián)合應(yīng)用，采用凝聚層次聚類算法從SAR遙感影像中識別油膜，采用基于風(fēng)、浪、流耦合三維水動力模型研發(fā)的中國近海溢油漂移快速預(yù)報模型，將遙感識別結(jié)果作為溢油漂移數(shù)值預(yù)報模式的初始輸入，預(yù)測油膜的漂移，然后將溢油漂移預(yù)測油膜與下一時相SAR遙感識別油膜進(jìn)行比對，發(fā)現(xiàn)二者吻合較好，表明SAR遙感監(jiān)測技術(shù)與數(shù)值模擬技術(shù)結(jié)合應(yīng)用，可優(yōu)勢互補(bǔ)，同時獲取海面油膜位置、面積和動態(tài)漂移信息。

溢油；SAR；遙感監(jiān)測；數(shù)值預(yù)報

海上溢油應(yīng)急管理和事故處置重在預(yù)防和早期預(yù)警。通過遙感監(jiān)測和數(shù)值預(yù)測技術(shù)，盡早發(fā)現(xiàn)溢油并做出污染預(yù)警，可以有效提高應(yīng)急處置效率，降低環(huán)境污染損害。通過近幾年的發(fā)展，建立了海上溢油衛(wèi)星遙感監(jiān)測系統(tǒng)和溢油預(yù)測系統(tǒng)，在海上溢油應(yīng)急中發(fā)揮了重要作用。

SAR(合成孔徑雷達(dá))遙感技術(shù)具有大范圍海域同步監(jiān)測、全天時全天候監(jiān)測的優(yōu)勢，獲取的油膜信息可為現(xiàn)場飛機(jī)船舶勘查提供指導(dǎo)，并相互配合確認(rèn)溢油狀態(tài)；但是SAR遙感監(jiān)測受衛(wèi)星重訪周期的限制，溢油監(jiān)測時效性無法保證。而溢油漂移數(shù)值模擬技術(shù)可以在一定時長內(nèi)有效預(yù)報油膜在海面的漂移軌跡和行為歸宿。溢油監(jiān)測和數(shù)值預(yù)報技術(shù)綜合利用，可大大減少對地面監(jiān)測數(shù)據(jù)的依賴，將油膜靜態(tài)性質(zhì)與動態(tài)信息有效結(jié)合，為溢油應(yīng)急作業(yè)提供有效的技術(shù)支持，有利于降低應(yīng)急作業(yè)成本，減少海洋污染損害[1]。為此，國內(nèi)外學(xué)者開展了溢油遙感監(jiān)測與預(yù)測技術(shù)的綜合研究[1-3]。溢油預(yù)報需要高分辨率、高精度的海面風(fēng)、表層流的數(shù)值預(yù)報和完善的溢油漂移擴(kuò)散數(shù)值預(yù)報模式[4]。對于局部海域的溢油預(yù)測來說，更需要精細(xì)的局部海域岸線、水深、潮流等信息。Xu等[2]將遙感監(jiān)測和基于GNOME模型的溢油預(yù)測結(jié)合，在渤海海域進(jìn)行技術(shù)應(yīng)用。GNOME模型是美國NOAA業(yè)務(wù)化的全球環(huán)境模型，采用NCOM流場輸入，對于我國近海海域，可基于此開展溢油漂移的初步估計，高精度預(yù)測仍需輸入局部海域的精細(xì)信息[2-3]。本文將溢油SAR遙感監(jiān)測技術(shù)與基于我國近海海域風(fēng)、浪、流耦合三維水動力模型研發(fā)的數(shù)值模擬技術(shù)結(jié)合，應(yīng)用于渤海海域，同時提取海面油膜位置、面積和動態(tài)漂移信息。

1 海上溢油SAR遙感監(jiān)測技術(shù)

在分析歷史溢油事故遙感影像、研究油膜和類油膜差異特征的基礎(chǔ)上，發(fā)展了基于凝聚層次聚類的溢油識別方法[5-6]。油膜識別算法中，傳統(tǒng)的K均值(K-Means)、迭代自組織聚類(ISODATA)和模糊C均值算法(FCM)都是基于像素判斷的分類算法，會產(chǎn)生較多的碎斑，且沒有考慮周圍像素的分布情況。而凝聚層次聚類方法首先將每個對象作為一個類，設(shè)置一定的規(guī)則把它們合并為越來越大的類，直到某個終結(jié)條件被滿足，是面向?qū)ο蟮姆椒?，可減少碎斑現(xiàn)象。該方法已在海冰分類和海冰邊緣線提取方面得到有效應(yīng)用[7-8]。

基于凝聚層次聚類的SAR 影像油膜識別算法，首先采用凝聚層次聚類方法進(jìn)行圖像分割，然后在圖像分割基礎(chǔ)上區(qū)分溢油斑塊和類油膜斑塊，從而達(dá)到識別油膜的目的?；谀蹖哟尉垲惙椒ǖ腟AR溢油識別算法主要包含5個步驟：初始化、異質(zhì)性合并、灰度合并、碎斑合并和斑塊分類。其中前4步是圖像分割的操作，其流程見圖1；第5步溢油斑塊識別見圖2。

圖1 SAR影像分割算法流程圖

圖2 SAR影像溢油識別

1)初始化

初始化是將圖像中所有像元看作區(qū)域，并建立鄰接關(guān)系，這里采用的是四鄰域的規(guī)則；后續(xù)三步分別利用各自規(guī)則，按照相似流程分割圖像。

2)異質(zhì)性合并

異質(zhì)性合并需要考慮圖像區(qū)域的異質(zhì)性參數(shù)F，其描述2個區(qū)域形狀和灰度的相異程度，計算公式為[9]

(1)

式中，Ws是形狀異質(zhì)性權(quán)重，它描述了區(qū)域的形狀規(guī)則程度，其值為0～1，越接近0說明形狀越不規(guī)則，反之,則越接近圓形。暗斑形狀規(guī)則情況下進(jìn)行分割，Ws設(shè)置為接近1的數(shù)值，反之,設(shè)置為接近0的數(shù)值；n，l，σ分別表示區(qū)域的像素數(shù)目、周長以及像素灰度標(biāo)準(zhǔn)差；腳標(biāo)1，2，m分別代表當(dāng)前區(qū)域、與當(dāng)前區(qū)域待合并的鄰域以及這2個區(qū)域合并后的區(qū)域。異質(zhì)性合并的流程為：遍歷所有區(qū)域，計算每一個區(qū)域及其鄰域的異質(zhì)性參數(shù)，若該值小于預(yù)先設(shè)定的閾值，則合并；反之，則不合并。

3)灰度合并和碎斑合并

灰度合并和碎斑合并的流程與前一步類似，但合并條件不同?；叶群喜⒌臈l件為：若當(dāng)前區(qū)域與其鄰域的平均灰度差，在閾值范圍之內(nèi)，則合并；碎斑合并的條件是：若當(dāng)前區(qū)域的像素數(shù)目小于閾值，則將其與灰度最接近的斑塊合并。SAR影像暗斑與背景灰度差異大時，灰度合并閾值高；反之，灰度閾值低。SAR影像暗斑大時，碎斑合并閾值大；反之,碎斑合并閾值小。

4)斑塊分類

采用基于SAR影像灰度特征的暗斑分類方法，區(qū)分油膜和類油膜斑塊。根據(jù)Gade等于1994年所做的實驗[10]，類油膜對海面波浪的抑制作用比礦物油膜的弱，因此在SAR圖像中，類油膜比礦物油膜的灰度更高一些。鑒于此，利用暗斑的灰度對比度特征來區(qū)分暗斑中的油膜與類油膜。溢油識別的流程參見圖2。對于每一塊暗斑，計算其與所有鄰近斑塊的灰度對比度值，找出其中的最大值，作為該暗斑的對比度值；若暗斑的對比度高于閾值，則認(rèn)為該暗斑為溢油，反之非溢油。

原始SAR圖像和溢油識別結(jié)果(見圖3)，可以看出，該方法可有效分割出圖像中的暗斑，溢油識別結(jié)果較好。該方法進(jìn)行溢油影像分割需要設(shè)置的參數(shù)包括：形狀異質(zhì)性權(quán)重、灰度合并閾值和碎斑合并閾值，針對圖3影像溢油分割各參數(shù)分別設(shè)置為0.1，80和25。針對不同影像的溢油分割，上述參數(shù)的設(shè)置需根據(jù)具體情況進(jìn)行調(diào)整。其中可以看出，該方法可有效分割出圖像中的暗斑，溢油識別結(jié)果較好。

圖3 原始SAR遙感影像與溢油識別結(jié)果

2 中國近海海上溢油快速數(shù)值預(yù)報技術(shù)

基于POM(Princeton Ocean Model)模式的中國近海海域風(fēng)、浪、流耦合三維水動力模型，研發(fā)了中國近海溢油漂移快速預(yù)報模型，該模型由水動力模型、預(yù)報風(fēng)場模型、溢油漂移數(shù)值模型、溢油風(fēng)化模型四部分組成[11]。模型利用NCEP風(fēng)場，進(jìn)行海面溢油漂移動態(tài)預(yù)測和溢油源回溯。通過海上定點觀測數(shù)據(jù)和GPS漂流浮標(biāo)試驗結(jié)果對模型預(yù)報結(jié)果進(jìn)行了校驗。該預(yù)測模型覆蓋整個中國近海海域，水平網(wǎng)格分辨率1′，48 h預(yù)報時間小于5 min，結(jié)果誤差小于5 km，目前已實現(xiàn)了7×24 h業(yè)務(wù)化和網(wǎng)絡(luò)化運(yùn)行[11-14]。

2.1 水動力模型與氣象場

基于POM模式建立了σ坐標(biāo)系下的中國近海三維水動力模型，由普林斯頓大學(xué)發(fā)展的三維原始方程海洋模式POM模式曾在我國近海多個海區(qū)使用過，均取得良好效果，所以基礎(chǔ)海洋動力模式選取了POM模式[15]。采用K1，O1，P1，Q1，M2，S2，N2，K2，Sa，Ssa這10個分潮來預(yù)報潮流和潮位，鑒于關(guān)注海域為整個中國近海，通過大區(qū)域模式(覆蓋整個中國近海海域，水平網(wǎng)格分辨率5′)和小區(qū)域模式(渤海、東海、南海東部和南海西部，水平網(wǎng)格分辨率1′)嵌套，既實現(xiàn)全海域的預(yù)測，又保證了重點關(guān)注海域的計算分辨率[11]。同時，環(huán)流方面，在美國普林斯頓大學(xué)地球流體力學(xué)實驗室開發(fā)的原始方程模式MOM2基礎(chǔ)上，發(fā)展了一個嵌套于全球大洋環(huán)流模式中的高分辨率東亞邊緣海環(huán)流數(shù)值模式，以研究全球環(huán)流對東南亞邊緣海環(huán)流的影響。模式模擬區(qū)域及網(wǎng)格分辨率與潮汐潮流模式一致。大區(qū)域模式開邊界條件取自全球數(shù)值模擬結(jié)果，4個小區(qū)域模式的開邊界條件由大模式提供。流場的時間分辨率為1 h。相較于采用針對全球的NCOM流場輸入的GNOME模型，文中水動力模型采用高分辨率的中國近海海域水動力數(shù)據(jù)，模擬結(jié)果更接近我國海域的實際情況。

氣象場(主要是風(fēng)場)是溢油預(yù)測中重要的外源強(qiáng)迫場，對油膜漂移、擴(kuò)散和風(fēng)化過程有很大的影響。采用美國國家環(huán)境預(yù)測中心(National Centers for Environmental Prediction，NCEP)預(yù)報場作為主氣象場，還可以手工輸入風(fēng)場和讀取歷史風(fēng)場資料。NCEP預(yù)報場的空間水平分辨率為1°×1°，時間分辨率3 h，預(yù)報間隔6 h。

2.2 溢油漂移及風(fēng)化模型

溢油模型是根據(jù)國際上流行的“粒子跟蹤法”設(shè)計的三維模型,可以預(yù)報溢油的漂移路徑和歸宿。模型考慮風(fēng)、流、浪等作用的影響，采用“粒子法”模擬溢油在海面的漂移擴(kuò)散行為。同時，計算過程中考慮了油膜與海岸交互作用，將油粒子在每個計算步長開始時位置與結(jié)束位置進(jìn)行連線，通過連線與海岸線是否相交來確定油粒子是否上岸。

風(fēng)化模型主要考慮油膜蒸發(fā)、乳化過程和密度、黏度變化，模型建立基于前人研究成果[16]，同時根據(jù)實驗數(shù)據(jù)對蒸發(fā)模型參數(shù)進(jìn)行校正，以彌補(bǔ)模型準(zhǔn)確性的不足。為更好地模擬海洋環(huán)境條件，設(shè)計、加工了波浪槽模擬系統(tǒng)，該模擬系統(tǒng)溫度控制范圍為-5～35 ℃；風(fēng)速0～30 m/s；通過調(diào)節(jié)造波器的行程控制造波周期和波行程控制造波周期和波高；自動控制系統(tǒng)可以根據(jù)設(shè)定來調(diào)節(jié)不同時段的溫度。

3 溢油SAR遙感監(jiān)測與數(shù)值預(yù)測技術(shù)結(jié)合應(yīng)用

基于凝聚層次聚類的油膜識別算法開展SAR遙感數(shù)據(jù)溢油監(jiān)測識別，結(jié)果作為數(shù)值預(yù)測模型的初始輸入，在此基礎(chǔ)上預(yù)測油膜的漂移，并與下一時相的衛(wèi)星遙感監(jiān)測結(jié)果相比對，驗證溢油SAR遙感監(jiān)測與數(shù)值預(yù)測技術(shù)結(jié)合應(yīng)用方法的有效性。

3.1 SAR影像溢油監(jiān)測

3.1.1 SAR影像數(shù)據(jù)

本文選取2011-06-18的Cosmo-Skymed和06-19的Envisat ASAR 遙感影像進(jìn)行溢油識別解譯分析，影像信息見表1。

表1 SAR影像數(shù)據(jù)列表Table 1 SAR images

圖4為2011-06-18T10:40(UTC時間)Cosmo-Skymed影像，影像中三角標(biāo)示的區(qū)域為平臺區(qū)，在其西北方向，可見兩塊較明顯的油膜暗斑區(qū)。運(yùn)用2.1節(jié)的基于凝聚層次聚類的SAR 影像油膜識別算法，對油膜暗斑進(jìn)行識別，識別結(jié)果見圖5。由圖5可見，基于凝聚層次聚類的SAR 影像油膜識別算法，不僅對油膜斑塊整體識別效果較好，而且對小塊油膜暗斑和油膜暗斑局部細(xì)節(jié)也有較好的識別。

圖4 2011-06-18 Cosmo-Skymed影像圖

圖5 2011-06-18 Cosmo-Skymed影像溢油識別圖

圖6為2011-06-19T02:22(UTC時間)Envisat ASAR影像，影像雖未覆蓋平臺區(qū)，仍可見兩塊較明顯的油膜暗斑區(qū)(藍(lán)色橢圓框內(nèi))。運(yùn)用2.1節(jié)的基于凝聚層次聚類的SAR 影像油膜識別算法，進(jìn)行油膜暗斑識別，識別結(jié)果見圖7。圖7中可以看出，基于凝聚層次聚類的SAR影像油膜識別算法，對油膜斑塊整體識別效果較好。與圖5相比，圖7的識別結(jié)果稍遜色，這一方面是由于影像分辨率的差異，06-19 Envisat ASAR數(shù)據(jù)為寬幅模式，影像分辨率150 m，06-18 Cosmo-Skymed影像分辨率為100 m；另一方面也與SAR影像成像條件有關(guān)，06-19 Envisat ASAR 的油膜暗斑恰好位于圖像邊緣，受入射角影響大，且油膜暗斑與低風(fēng)速區(qū)干擾暗斑距離較近(見圖6)，油膜識別受其影響；06-18 Cosmo-Skymed影像整體來說成像效果佳，特別是油膜暗斑區(qū)域，距低風(fēng)速區(qū)干擾暗斑有一定距離(見圖4)，油膜識別所受影響較小。

圖6 2011-06-19 Envisat ASAR影像圖

圖7 2011-06-19 Envisat ASAR影像溢油識別圖

3.1.2 SAR影像數(shù)據(jù)解譯分析

將2011-06-18T10:40(UTC時間)Cosmo-Skymed影像油膜識別結(jié)果和06-19T02:22(UTC時間)Envisat ASAR影像識別結(jié)果疊加到一起，見圖8。由圖中可見，18日和19日油膜的整體形狀類似，經(jīng)過約16 h，油膜整體向東北方向漂移，漂移距離為5～8 km。

圖8 2011-06-18-19油膜識別結(jié)果綜合分析

3.2 溢油漂移數(shù)值預(yù)測

3.2.1 流場

渤海具有獨立的旋轉(zhuǎn)潮波系統(tǒng)，其中半日潮波(M)有2個，全日潮波(K)有一個旋轉(zhuǎn)系統(tǒng)。半日分潮占絕對優(yōu)勢。渤海海域以半日潮為主，故2011-06-18T10:40(UTC時間)Cosmo-Skymed影像時刻和06-19T02:22(UTC時間)Envisat ASAR影像時刻的流場分布類似。

北京時間2011-06-18T18:00左右，風(fēng)速為6 m/s，風(fēng)向為105°；06-19T10:00左右，風(fēng)速為4 m/s，風(fēng)向為99°。兩個時刻的風(fēng)速條件，均比較有利于SAR影像中油膜的識別。

3.2.2 預(yù)報模型設(shè)置

根據(jù)SAR衛(wèi)星遙感影像油膜識別結(jié)果，選取油膜區(qū)域及特征點位，進(jìn)行溢油漂移數(shù)值模擬計算。選取圖9中區(qū)域的4個特征點位a,b,c,d逐一進(jìn)行計算，設(shè)定參數(shù)，包括：事件時間，即預(yù)報起始時間為2011-06-18T10:40(UTC時間)Cosmo-Skymed影像時刻；事件地點，坐標(biāo)為從SAR影像圖中選擇的特征點位對應(yīng)的坐標(biāo)；事件現(xiàn)場信息，考慮到渤海的油品以重質(zhì)油為主，此處選擇重質(zhì)油，至于溢油總量、初始油溫、溢油方式、溢油初始面積等的設(shè)置，此外僅為假設(shè)值。實際溢油漂移預(yù)測中，需根據(jù)現(xiàn)場實際情況進(jìn)行選擇。事件現(xiàn)場海況氣象信息中，風(fēng)場是參與數(shù)值計算的重要參數(shù)，此處使用美國免費(fèi)提供的NCEP風(fēng)場；其他氣象信息，僅作記錄，不參與計算。預(yù)警時間，設(shè)為16 h，計算16 h后(即06-19Envisat影像對應(yīng)的成像時刻)油膜的位置；計算步長為1 h，即數(shù)值模擬將返回每隔1 h的油膜位置。

圖9 溢油漂移數(shù)值預(yù)報與SAR識別比較

3.3 結(jié)果分析

將油膜漂移數(shù)值預(yù)報計算結(jié)果與06-19T10:40衛(wèi)星圖像比對，可以看出數(shù)值預(yù)報油膜漂移的趨勢與衛(wèi)星監(jiān)測相一致，漂移距離略有偏差。預(yù)測的油膜漂移軌跡如圖9所示，黑點a,b,c,d為計算起始點，線端為模擬計算16 h后油膜所在位置，可以看出，油膜首先按順時針方向漂移，回到起始點后又向東漂移。根據(jù)多個油膜特征點位的漂移預(yù)測結(jié)果，經(jīng)過16 h的漂移，至06-19T10:40，油膜基本處于現(xiàn)有海面油膜位置的東側(cè)4.5～5.5 km處，近似平移。因目前溢油預(yù)報模型采用的海洋環(huán)境(大氣、水動力等)的預(yù)報與再分析數(shù)據(jù)是針對區(qū)域的平均時間段的數(shù)據(jù)，所以溢油漂移數(shù)值計算結(jié)果與實際情況會有部分偏差，但主體趨勢不會有偏差，若是統(tǒng)計長時間、大區(qū)域的數(shù)值計算結(jié)果，數(shù)值模擬與實際情況的匹配度則會顯著提高。

在文中假設(shè)的溢油情景下，一次性溢出少量重質(zhì)原油，16 h預(yù)測時長內(nèi)，約55%的油品通過蒸發(fā)、乳化、吸附沉降等過程離開水面，剩余部分經(jīng)歷漂移擴(kuò)散等過程。

4 結(jié) 語

2011-06-18的Cosmo-Skymed和06-19的Envisat ASAR 影像溢油識別表明，基于凝聚層次聚類的識別算法，SAR圖像溢油識別效果較好。18日和19日油膜的整體形狀類似，經(jīng)過約16 h，油膜整體向東北方向漂移，漂移距離為5～8 km。

2011-06-18的Cosmo-Skymed影像識別的油膜位置作為溢油漂移預(yù)測模型的初始輸入，得到的19日油膜漂移趨勢與19日的Envisat ASAR 影像監(jiān)測相一致，漂移距離略有偏差。

SAR遙感監(jiān)測技術(shù)與數(shù)值模擬技術(shù)結(jié)合應(yīng)用，可優(yōu)勢互補(bǔ)，同時獲取的海面油膜位置、面積和動態(tài)漂移信息，可為海上溢油預(yù)警提供更有效的技術(shù)支持。

本文側(cè)重SAR遙感監(jiān)測技術(shù)與數(shù)值模擬技術(shù)結(jié)合應(yīng)用，對SAR溢油識別算法的研究有待進(jìn)一步開展相關(guān)工作，增加識別特征，檢測分類效果。

[1] YANG Y, CHEN Z L, HOU L A, et al. The prediction of emergent maritime oil spill pollutionby using remote sensing technology[J]. Pollution Control Technology, 2013, 26(1): 7-10.楊毅, 陳志莉, 侯立安, 等. 遙感技術(shù)在突發(fā)海上溢油污染預(yù)測中的運(yùn)用研究[J]. 污染防治技術(shù), 2013, 26(1): 7-10.

[2] XU Q, LI X F, WEI Y L, et al. Satellite observations and modeling of oil spill trajectories in the Bohai Sea[J]. Marine Pollution Bulletin, 2013(71): 107-116.

[3] CHENGY C, LI X F,XU Q, et al. SAR observation and model tracking of an oil spill event in coastal waters[J]. Marine Pollution Bulletin, 2011(62): 350-363.

[4] LIU Q Z, ZHANG C Z. On the oil-spill forecast system in the Bohai Sea[J]. Marine Forcasts, 2005,22(Supp): 70-76. 劉欽政, 張存智. 渤海溢油數(shù)值預(yù)報研究[J]. 海洋預(yù)報, 2005,22(增刊): 70-76.

[5] SONG S S, ZHAO Y P, SU T F, et al. Research and development of SAR satellite remote sensing system of ocean oil spills[J]. Remote Sensing Technology and Application, 2013,28(5): 928-933.宋莎莎, 趙宇鵬, 蘇騰飛, 等.海上溢油SAR衛(wèi)星遙感監(jiān)測系統(tǒng)研發(fā)[J].遙感技術(shù)與應(yīng)用, 2013,28(5): 928-933.

[6] SU T F, MENG J M, ZHANG X, et al. Segmentation algorithm for oil spill SAR images based on hierarchical agglomerative clustering[J]. Advances in Marine Science,2013, 31(2):256-265.蘇騰飛, 孟俊敏, 張晰.基于HAC的溢油SAR圖像分割算法[J].海洋科學(xué)進(jìn)展, 2013,31(2): 256-265.

[7] YU B. Interpretation and classification algorithm for multi-polarization SAR image of sea ice in Liaodong Bay[D].Qingdao: Ocean University of China, 2009.于波. 遼東灣海冰多極化SAR影像解譯分析與分類算法研究[D].青島:中國海洋大學(xué), 2009.

[8] WANG N, ZHANG X, JI Y G, et al. A method of MODIS sea ice edge extraction based on agglomerative hierarchical clustering method[J]. Journal of Geo-information and Science, 2011, 13(2): 266-272.王寧, 張晰, 紀(jì)永剛, 等. 凝聚層次聚類的MODIS海冰外緣線提取算法與應(yīng)用[J]. 地球信息科學(xué)學(xué)報, 2011, 13(2): 266-272.

[9] BAATA M S A. Mutiresolution segmentation: an optimization approach for high quality multiscale image segmentation[J].Angewandte Geographische Informations verarbeitung, 2000,10: 12-23.

[10] MARTIN G, WERNER A. Imaging of biogenic and anthropogenic ocean surface films by the multifrequency and multipolarization SIR-C/X SAR[J]. Journal of Geographic Research, 1998, 103(C9): 18851-18866.

[11] ANW, ZHU S F, LI G R, et al. The oil spill forecast and emergency decision support system in china offshore[C]∥Proceedings of the Twentieth (2010) International Offshore and Polar Engineering Conference, 2010:1058-1063.

[12] AN W, WANG Y G, WANG X Y, et al. An oil spill forecast and emergency decision support system in China offshore[J]. Marine Sciences, 2010,34(11):57-61.安偉，王永剛，王欣怡，等. 中國近海海上溢油預(yù)測與應(yīng)急決策支持系統(tǒng)研發(fā)[J].海洋科學(xué), 2010,34(11):57-61.

[13] SONG S S, AN W, ZHAO Y P. A study of detection and prediction of oil spill in ice seasons of the Bohai Sea[C]∥Proceedings of the Twenty-fourth (2014) International Ocean and Polar Engineering Conference, 2014: 592-596.

[14] ZHANG J B, LI W, AN W, et al. Decision support technology for oil spill response[M]. Dalian: Dalian Maritime University Press.張建斌，李為，安偉，等.海上溢油應(yīng)急輔助決策技術(shù)[M].大連:大連海事大學(xué)出版社,2012: 47-80.

[15] FANG G H, YU K J. A three-dimensional numerical model for baroclinic ocean dynamics I.numerical scheme for hydrodynamic equations[J]. Oceanologia et Limnologia Sinica, 1998,29(3): 232-240.方國洪,于克俊. 斜壓海洋動力學(xué)的一種三維數(shù)值模式I.動力學(xué)方程數(shù)值格式[J].海洋與湖沼,1998,29(3), 232-240.

[16] STRIVER W, MACKAY D. Evaporation rate of spills of hydrocarbons and petroleum mixture[J]. Environmental Science & Technology,1984,18(11):834-840.

Received: March 24, 2015

Research on the Oil Spill SAR Remote Sensing and Fast Numerical Simulation

SONG Sha-sha1,2,3, ZHAO Yu-peng2,3, AN Wei2,3, JIN Wei-wei2,3, LI Jian-wei2,3

(1.OceanUniversityofChina, Qingdao 266003,China；2.ChinaOffshoreEnvironmentalServicesLtd., Tanggu 300452,China;3.ResearchandDevelopmentCenterforOffshoreOilSafetyandEnvironmentalTechnology, Qingdao 266061,China)

This paper focuses on the integrated application of oil spill SAR remote sensing and numerical simulation techniques. The algorithm of hierarchical agglomeration clustering was utilized for oil spill detection in SAR remote sensing images. The oil spill detection results were used as the input of the China offshore oil drifting fast forecasting model, which was developed based on the 3D wind-wave-current coupled hydrodynamic model. The predicted oil spill location was compared with the detection result in the SAR image of next phase. The good agreement indicated that the integrated application of SAR monitoring and numerical simulation could complement each other to obtain the location, coverage and drifting of oil spill simultaneously.

oil spill; SAR; remote sensing; numerical simulation

2015-03-24

中國海洋石油總公司科技項目——海上溢油衛(wèi)星自動識別和預(yù)警業(yè)務(wù)化系統(tǒng)研發(fā)(CNOOC-KJ 125 ZDXM 25JAB NFCY 2012-01)

宋莎莎(1989-)，女，山東青島人，工程師，博士研究生，主要從事海上溢油污染防治技術(shù)方面研究.E-mail:songshsh2@cnooc.com.cn

(王 燕 編輯)

X55;TP752

A

1671-6647(2016)01-0138-09

10.3969/j.issn.1671-6647.2016.01.014